Instructions concerning this assignment:

A major purpose of this assignment is to ease you into the assignment procedures and the use of the statistical package R. We will be doing this through the use of RStudio and using R Markdown. We  are  providing  you  an  R  Markdown  document  called  STATS20x_2023_SS_A1.rmd (available on Canvas) which will have some answers already filled in. You will need to fill in and complete the rest of the document. The data files you will be using for the assignment are described in the questions and are available from Canvas. Make sure you put these data files in the same folder you put the R Markdown document because it is going to look for them there. The first change you need to make to the markdown document is put your name and ID number at the top.

Notes:

•   This assignment is worth 3% of your final mark.

•   Assignments must be submitted online to the Canvas dropbox PRIOR to the deadline. You will need to submit your knitted document as either a Word, HTML or PDF file.  Assignments more than 30 minutes late are not accepted unless there is a good reason for an extension being granted (usually medical requiring  a medical certificate). Canvas automatically closes  submissions after the 30- minute grace period so you will be unable to submit after then.

•   The total marks for this assignment will be 10.

•   It is your responsibility to back up your computer files. If you are using your own computer, it is your responsibility to ensure that you can access the data and run R and RStudio well ahead of the assignment due date. Technical problems outside our control are not accepted as excuses for submitting coursework late.

•   We encourage working together. Working together is discussing assignments with other students or getting help in understanding from staff and tutors. You must write up your final assignment individually, in your own words. We view cheating on assignment work seriously! Cheating includes: copying all or part of another student’s assignment or allowing another student to copy all or part  of your  assignment. A  student who  allows  someone else to copy their work is treated identically to the student who did the copying. Penalties include: the student’s name will be entered on  the  university-wide  Register  of Academic  Misconduct;  loss  of some  or  all  marks  for  the assignment; the student(s) involved taken to the University Discipline Committee.

NOTE: This is a very short assignment compared to future assignments. The main goal is to get you started using R with RStudio and refresh your knowledge of simple linear regression.

Attending the Week 1 Workshops and completing the Linear Regression Quiz on Canvas will help you get started.

Even though this assignment is due in on the 4th day of lectures, you should aim to finish it earlier and immediately move on to assignment 2.

Question 1.   [10 Marks]

A researcher was interested in determining the relationship between students' intelligence quotient (IQ) and their score on a language exam. In particular, what was the effect of IQ on exam score? A study was carried out where a large sample of students were recruited and the results of an IQ test and their score on a language exam were recorded.

For the purposes of this assignment, you will each be using a randomly generated data set based on

the relationship found from this study. Treat this as a random sample of 50 students. The data file created for you includes the following variables:

IQ         the students IQ score

Lang      the students score on the language test

   Make sure you change your name and ID number at the top of the assignment.

   Enter your name where requested at the start of the analysis. Your name is used to create a random

seed that generates your own unique set of data for the assignment.

   Comment on the plot of the data.

   A simple linear regression model has been fitted and output provided. Stick with the simple linear

regression model. (DO NOT CHANGE THE FITTED MODEL)

   Create a scatter plot with the fitted line from the fitted model superimposed over it.                     Complete the equation of the fitted model as part of the Method and Assumption Checks.          Complete the “% of the variability” statement as part of the Method and Assumption Checks.

   Complete the Executive  Summary by adding two more sentences. One sentence should be

interpreting the relevant strength of evidence in context and the other should be estimating the effect of a 10 unit increase in 工Q on the Lang.

Assignment Notes

For a lot of assignment questions, we will simply be giving you descriptions of how and why data was collected and minimal guidance. You will see how to analyse the data in the case studies in class, but here is a general approach to answering open data questions:

•    Comment on the question(s) of interest or the goal(s) of the analysis .

•    Look at the data (plot it, get summary statistics) and comment on it.

•    Fit a model to the data

•  Check the model assumptions.

•  Change model and repeat checks as needed. You may have to do this more than once.

•  Generate inference output from your final model.

•  Write a Method and Assumption Checks section.

• This will detail the steps you took and why you took them in building the model.

•  It will include brief descriptions of the model assumption checks.

•  It will include a mathematical statement for the final model you fitted.

•  It will include a comment on the percentage of variation explained (where appropriate).

•  Write an Executive Summary .

Make sure you read the notes on the next page!